2829801
Descripción
Mapa Mental por Yolanda Eloisa S, actualizado hace más de 1 año
|
Creado por Yolanda Eloisa S
hace más de 9 años
|
|
BASE DE DATOS MULTIDIMENSIONALES
- MODELO CONCEPTUAL
MULTIDIMENSIONAL
- Los datos en un DW se modelan en data cubes
(“cubos de datos”), estructuras multidimensionales
(hipercubos) cuyas operaciones más comunes son:
- Roll up
- Drill down
- Slice
- Dice
- Pivotaje o
rotación
- Roll up
- Compuestos por:
- Dimensiones
- Miembros
- Jerarquías
- Hechos
- Medidas
- Dimensiones
- Los datos en un DW se modelan en data cubes
(“cubos de datos”), estructuras multidimensionales
(hipercubos) cuyas operaciones más comunes son:
- ESQUEMA Y
MODELAMIENTO
DE UNA BDM
- BDM ¿?
- BD de estructura basada en
dimensiones orientada a consultas
complejas y alto rendimiento
- Se utilizan principalmente
para crear aplicaciones OLAP
- Su peculiaridad es que por cada
dimensión tienen un campo (o columna),
y otro campo por cada métrica o hecho
- Su peculiaridad es que por cada
dimensión tienen un campo (o columna),
y otro campo por cada métrica o hecho
- Se utilizan principalmente
para crear aplicaciones OLAP
- BD de estructura basada en
dimensiones orientada a consultas
complejas y alto rendimiento
- Esquemas
Multidimensionales
- ESQUEMA
ESTRELLA
- Compuesta por una tabla
central - tabla de hechos. Y un
conjunto de tablas
organizadas alrededor de esta
- tablas de dimensiones.
- Caracteriticas
- El centro de la
estrella es la tabla
de hechos.
- Los puntos de la estrella son
las tablas de dimensiones.
- Cada esquema esta compuesto
por una sola tabla de hechos.
- El centro de la
estrella es la tabla
de hechos.
- Compuesta por una tabla
central - tabla de hechos. Y un
conjunto de tablas
organizadas alrededor de esta
- tablas de dimensiones.
- ESQUEMA
COPO DE
NIEVE
- Variación del esquema estrella
donde alguna punta de la estrella
se explota en mas tablas.
- las tablas de dimensión copo de
nieve se encuentran normalizadas
para eliminar redundancia de datos.
- Caracteristicas
- La dimensión esta normalizada.
- Los distintos niveles se encuentran
almacenados en tablas separadas.
- Se argumenta el ahorro de espacio.
- La dimensión esta normalizada.
- Caracteristicas
- las tablas de dimensión copo de
nieve se encuentran normalizadas
para eliminar redundancia de datos.
- Variación del esquema estrella
donde alguna punta de la estrella
se explota en mas tablas.
- ESQUEMA
ESTRELLA
- BDM ¿?
- ARQUITECTURA MODELO
MULTIDIMENSIONAL
- Las fuentes de información pueden incluir bases de
datos relacionales, bases de conocimiento,
documentos en distintos formatos (p.ej. XML)
- Los wrappers (encapsuladores) se encargan de
extraer los datos de las distintas fuentes y
transmitirlos al data warehouse.
- Los monitores están en contacto directo con las
fuentes de datos para detectar los cambios que se
puedan producir en ellas.
- El integrador es el responsable de filtrar, resumir
y unificar la información proveniente de las
distintas fuentes.
- Las fuentes de información pueden incluir bases de
datos relacionales, bases de conocimiento,
documentos en distintos formatos (p.ej. XML)
- HYPERCUBO Y SUS OPERACIONES
- Los cubos OLAP tienen un número
indefinido de dimensiones, razón por la
cual también reciben el nombre de
hipercubos
- Un cubo OLAP contendrá datos de una
determinada variable que se desea
analizar, proporcionando una vista lógica
de los datos provistos por el sistema de
información hacia el data warehouse
- Un cubo OLAP contendrá datos de una
determinada variable que se desea
analizar, proporcionando una vista lógica
de los datos provistos por el sistema de
información hacia el data warehouse
- Operaciones
- Operacion de Corte y
corte de cubo
- permite observar partes o
subconjuntos de cubos OLAP
- permite observar partes o
subconjuntos de cubos OLAP
- Operaciones
Filtrar y Pivotear.
- Filtrar permite realizar
una seleccion de los datos
dentro de un cubo
- Pivotear nos permite
visualizar desde cierta
perspectiva del cubo
- Filtrar permite realizar
una seleccion de los datos
dentro de un cubo
- Operacion de Corte y
corte de cubo
- Los cubos OLAP tienen un número
indefinido de dimensiones, razón por la
cual también reciben el nombre de
hipercubos
- DEFINICION BDM
- Almacena sus datos con varias
dimensiones, es decir que en vez de
un valor, encontramos varios
dependiendo de los "ejes" definidos.
La información se representa como
matrices multidimensionales
- VENTAJAS BDM
- Tiene acceso a grandes
cantidades de informacion
- Analiza las relaciones
entre muchos tipos de
elementos empresariales
- Involucra grandes datos
- Compra datos agregados a
traves de periodos jerarquicos
- Presentan los dtos en
diferentes perspectivas
- Involucran calculos
complejos entre
elementos de datos
- Pueden responder
rapidamente a los
usuarios
- Tiene acceso a grandes
cantidades de informacion
- DESVENTAJAS BDM
- Sus fallas reciden en la
imposibilidad de realizar
cambios en su estructura
- Sus fallas reciden en la
imposibilidad de realizar
cambios en su estructura
- VENTAJAS BDM
- Almacena sus datos con varias
dimensiones, es decir que en vez de
un valor, encontramos varios
dependiendo de los "ejes" definidos.
La información se representa como
matrices multidimensionales
- CUBO MULTIDIMENCIONAL
- Un cubo es una estructura
multidimensional que contiene
información con fines analíticos
- sus componentes principales son
las dimensiones y las medidas.
- Las dimensiones definen
la estructura del cubo que
se utiliza para segmentar y
dividir los datos
- las medidas proporcionan valores
numéricos agregados importantes
para el usuario final.
- Las dimensiones definen
la estructura del cubo que
se utiliza para segmentar y
dividir los datos
- Un cubo es una estructura
multidimensional que contiene
información con fines analíticos
- DEFINICION DE OLAP
- Procesamiento analítico en
línea. Solución utilizada en BI, el
objetivo es agilizar la consulta
de grandes cantidades de
datos.
- Para ello utiliza los cubos OLAP que
contiene datos resumidos en grandes
BD o sist. transaccionales OLTP
- Para ello utiliza los cubos OLAP que
contiene datos resumidos en grandes
BD o sist. transaccionales OLTP
- HERRAMIENTAS OLAP
- presentan al usuario una visión
multidimensional de los datos
(esquema multidimensional)
- El usuario formula consultas
seleccionando atributos de este esquema
multidimensional sin conocer la
estructura interna, del almacén de datos
- Estas herramientas genera la
correspondiente consulta y la envía al
gestor de consultas del sistema
- Operadores de refinamiento
o manipulación de consultas.
- DRILL
- ROLL
- SLICE & DICE
- PIVOT
- DRILL
- El usuario formula consultas
seleccionando atributos de este esquema
multidimensional sin conocer la
estructura interna, del almacén de datos
- presentan al usuario una visión
multidimensional de los datos
(esquema multidimensional)
- Procesamiento analítico en
línea. Solución utilizada en BI, el
objetivo es agilizar la consulta
de grandes cantidades de
datos.
- DEFINICION OLTP
- Procesamiento de Transacciones En Línea. Tipo de
procesamiento que facilita y administra aplicaciones
transaccionales, usualmente para entrada de datos y
recuperación y procesamiento de transacciones.
- Procesamiento de Transacciones En Línea. Tipo de
procesamiento que facilita y administra aplicaciones
transaccionales, usualmente para entrada de datos y
recuperación y procesamiento de transacciones.
- CARACTERISTICAS DE UN DATA WAREHOUSE
- Integrado: deben integrarse en una
estructura consistente, por lo que
las inconsistencias existentes entre
los diversos sistemas operacionales
deben ser eliminadas.
- Temático: Los datos se organizan
por temas para facilitar su acceso
y entendimiento por parte de los
usuarios finales.
- De tiempo variante (Historico):el tiempo es parte
implícita de la información contenida en un
datawarehouse. En los sistemas operacionales, los
datos siempre reflejan el estado de la actividad
del negocio en el momento presente.
- No Volátil: El almacén de información de
un datawarehouse existe para ser leído,
pero no modificado.
- Contiene metadatos:es decir, datos
sobre los datos. Los metadatos permiten
saber la procedencia de la información,
su periodicidad de refresco, su fiabilidad,
forma de cálculo... etc.
- Extracción: obtención de
información de las distintas fuentes
tanto internas como externas.
- Transformación: filtrado, limpieza, depuración,
homogeneización y agrupación de la información.
- Carga: organización y
actualización de los datos y los
metadatos en la base de datos.
- Integrado: deben integrarse en una
estructura consistente, por lo que
las inconsistencias existentes entre
los diversos sistemas operacionales
deben ser eliminadas.
- ROLAP
- Procesamiento Analítico OnLine Relacional: Es una
implementación OLAP que almacena los datos en
un motor relacional. Diseñadas para realizar un
análisis de los datos a través de modelos de datos
multidimensionales, estos modelos no se
implementan sobre un sistema multidimensional,
sino son de un sistema relacional clásico.
- Procesamiento Analítico OnLine Relacional: Es una
implementación OLAP que almacena los datos en
un motor relacional. Diseñadas para realizar un
análisis de los datos a través de modelos de datos
multidimensionales, estos modelos no se
implementan sobre un sistema multidimensional,
sino son de un sistema relacional clásico.
- MOLAP
- Procesamiento Analítico Multidimensional OnLine: Es
una implementación de OLAP que almacena los datos
en una base de datos multinacional. MOLAP requiere un
procesamientos y almacenamiento de la información
contenida en un cubo. Almacena estos datos en una
matriz de almacenamiento multidimensional
optimizada, mas que en una base de datos relacional ( o
ROLAP)
- Procesamiento Analítico Multidimensional OnLine: Es
una implementación de OLAP que almacena los datos
en una base de datos multinacional. MOLAP requiere un
procesamientos y almacenamiento de la información
contenida en un cubo. Almacena estos datos en una
matriz de almacenamiento multidimensional
optimizada, mas que en una base de datos relacional ( o
ROLAP)
- COMPARACION
ENTRE MOLAP
Y ROLAP
- DATA MINING
- (minería de datos), es el conjunto de
técnicas y tecnologías que permiten
explorar grandes bases de datos.
- surge para intentar ayudar a comprender
el contenido de un repositorio de datos.
- etapas principales:
- Determinación de
los objetivos.
- Preprocesamiento
de los datos.
- Determinación
del modelo.
- Análisis de los
resultados.
- Determinación de
los objetivos.
- (minería de datos), es el conjunto de
técnicas y tecnologías que permiten
explorar grandes bases de datos.
- YOLANDA SIAS N°10480386
Recursos multimedia adjuntos
¿Quieres crear tus propios Mapas Mentales gratis con GoConqr? Más información.